تخمین و بازسازی داده های حداکثر بارش ۲۴ ساعته سالانه با استفاده از مدل تلفیقی الگوریتم ژنتیک و شبکه های عصبی مصنوعی (مطالعه موردی: استان چهارمحال و بختیاری)

حداکثر بارش ۲۴ ساعته یکی از عامل های هواشناسی با ماهیتی بسیار تصادفی در مقایسه با سایر داده های مرتبط با بارندگی از جمله بارش های ماهانه و سالانه است. باتوجه به در دسترس نبودن داده های شدت-مدت-فراوانی (I-D-F) و قابلیت دسترسی بیشتر داده های حداکثر بارش ۲۴ ساعته، برآورد بارش های کوتاه مدت بر مبنای بارش ۲۴ ساعته اقدامی رایج در مطالعات و عملیات آبخیزداری است. برخی از مواقع این اطلاعات ناقص می باشد و استفاده از آن ها باعث بروز خطا در نتایج می گردد. در این پژوهش کارآیی استفاده از روش الگوریتم ژنتیک-شبکه عصبی مصنوعی (GA-ANN) در بازسازی داده های حداکثر بارش ۲۴ ساعته در استان چهارمحال و بختیاری، توسط نمایانه های آماری RMSE، P % و R۲ مورد ارزیابی قرار گرفت و با روش شبکه عصبی مصنوعی ساده (ANN) مقایسه شد. مقدار نمایانه RMSE حاصل از بهترین شبکه ANN در اقلیم بسیار مرطوب، نیمه مرطوب، مدیترانه ای و نیمه خشک به ترتیب برابر با ۳۸، ۹/۲۵، ۸/۱۱، ۴/۱۱ میلیمتر و در بهترین شبکه GA-ANN به ترتیب برابر با ۲/۱۹، ۳/۱۴، ۸/۱۰ و ۴/۶ میلیمتر می باشد. نتایج بازسازی در کلیه نواحی آب و هوایی حکمفرما در این استان نشان دهنده برتری معنی دار روش GA-ANN نسبت به روش ANN می باشد.

کلیدواژه ها:

Reconstruction ، Annual Maximum ۲۴-H Rainfall ، GA-ANN and Chaharmahal va Bakhtiyari . ، بازسازی ، حداکثر بارش ۲۴ ساعته سالانه ، الگوریتم ژنتیک-شبکه عصبی مصنوعی ، چهارمحال و بختیاری.